我們經(jīng)常會遇到一些對于多媒體文件修改的操作，像是對視頻文件的操作：視頻剪輯、字幕編輯、分離音頻、視頻音頻混流等。又比如對音頻文件的操作：音頻剪輯，音頻格式轉(zhuǎn)換。再比如我們最常用的圖片文件，格式轉(zhuǎn)換、各個屬性的編輯等。因為多媒體文件的操作眾多，本文選取一些極具代表性的操作，以代碼的形式實現(xiàn)各個操作。

一、圖片操作

操作圖片的模塊有許多，其中比較常用的兩個就是 Pillow 和 opencv ,兩個模塊各有優(yōu)勢。其中 opencv 是計算機視覺處理的開源模塊，應(yīng)用的范圍更加廣泛，從圖像處理到視頻處理，再到物體檢測等。而 pillow 相比直線就單純的多，其大多數(shù)操作都是圍繞圖像而展開的。

1.1、格式轉(zhuǎn)換

圖片格式有多種多樣，最直觀的感受就是圖片后綴。而格式之間的差異不僅僅是后綴的差異，最為明顯的就是 png 格式圖片，同其它圖片有著最為直觀的區(qū)別。下面我們就看看在Python中如何轉(zhuǎn)換格式，我們先安裝 pillow 模塊：

pip install pillow

然后看看如何導(dǎo)入模塊以及如何讀取圖像：

from PIL import Image
# 讀取圖像
img = Image.open('ycjc.jpg')
# 顯示圖像
img.show()

我們有了上面的基礎(chǔ)操作之后，就可以開始進行格式轉(zhuǎn)換了，我們用有村大妹子的圖片作為素材：

我們可以看到這是一張白色背景的圖片，我們將它轉(zhuǎn)成 png 看看效果：

from PIL import Image
# 讀取圖像
img = Image.open('ycjc.jpg')
# 格式轉(zhuǎn)換，其中A為透明度
png = img.convert('RGBA')
# 保存圖像，因為是RGBA格式，所以后綴應(yīng)該為png
png.save('ycjc.png')

輸出的圖片我就不放了，我們觀察輸出圖片會發(fā)現(xiàn)，白色背景好像變透明了。不要懷疑，這只是心理作用，其實圖片看上去是不會有任何變化的。但是實際上圖片從原來的 RGB 三個色道變成了 RGBA 四個色道，我們會發(fā)現(xiàn)，圖片變大了：

雖然 A 色道的透明度全部都是0，但是實際上還是存在這個色道，所以大小方面有了明顯的增加。更多轉(zhuǎn)換模式可以參考超全Python圖像處理講解（多圖預(yù)警）。

1.2、圖片裁剪

圖片裁剪的操作也非常常用，我們來看看 pillow 如何裁剪圖片：

from PIL import Image
# 讀取圖像
img = Image.open('ycjc.jpg')
# 裁剪圖像，調(diào)用crop方法，傳入裁剪區(qū)域的元組
img_crop = img.crop((100, 100, 400, 400))
# 保存裁剪后的圖像
img_crop.save('ycjc_crop.jpg')

我們調(diào)用 crop 方法，傳入裁剪區(qū)域的元組進行裁剪，元組的內(nèi)容為左上角的坐標（前兩個參數(shù)）即右下角的坐標（后兩個參數(shù)）。效果圖如下：

1.3、截屏

雖然算不上是圖像操作，但是還是個非常實用的操作。我們實現(xiàn)截屏是通過ImageGrap類實現(xiàn)的：

from PIL import ImageGrab
# 截取全屏
im = ImageGrab.grab()
# 保存圖像
im.save('win.png')

除了截取全屏我們也可以區(qū)域截屏：

im =ImageGrab.grab((300, 100, 1400, 600))

參數(shù)元組含義與 crop 方法一致。

除了上述操作，還有更多像是添加濾鏡、對比度調(diào)節(jié)、亮度調(diào)節(jié)、色彩調(diào)節(jié)等，由于內(nèi)容眾多，所以不在本文詳細討論。

二、音頻操作

音頻的操作也比較繁多，我們最常用到的就是音頻剪輯和音量調(diào)節(jié)了。我們這里使用 pydub 模塊來進行音頻文件的操作。

2.1、pydub的安裝以及讀取音頻

安裝我們還是使用pip：

pip install pydub

然后我們來讀取一個 wav 文件：

from pydub import AudioSegment
# 讀取wav格式的音頻文件
music = AudioSegment.from_wav('百年孤獨.wav')

這樣我們就完成了音頻文件的讀取， wav 文件是一種未經(jīng)壓縮的文件，我們可以通過 pydub 直接讀取。讀取其它類型的文件 pydub 同樣提供了相應(yīng)的方法：

music = AudioSegment.from_mp3('music.mp3')
music = AudioSegment.from_ogg("music.ogg")
music = AudioSegment.from_flv("music.flv")

因為在實際操作過程中遇到了一個未找明緣由的錯誤，所以本文的音頻操作只針對 wav 格式。

2.2、音頻剪切

音頻剪輯的實現(xiàn)我們是通過類似ndarray的中括號操作的：

# 截取前20秒
clip = music[:20*1000]
# 截取后20秒
clip = music[-20000:]
# 從第20秒截取到第40秒
clip = music[20*1000:40*1000]

剪切好的片段我們可以另外存一個文件：

# 保存文件為clip.mp3，格式為mp3
clip.export('clip.mp3', format='mp3')

3.3、增加/減少音量

音量的控制我們只需要用音頻對象加一個常數(shù)即可：

# 音量減5
music -= 5
# 音量加5
music += 5

3.4、音頻拼接

我們先看看重復(fù)拼接：

# 在音頻文件末尾重復(fù)拼接該音頻
music = music*2

拼接后的音頻的效果就是原音頻循環(huán)兩次。接下來我們看看拼接不同的音頻：

# 裁剪前20秒音頻
clip1 = music[:20*1000]
# 裁剪后20秒音頻
clip2 = music[-20*1000:]
# 拼接音頻
clip = clip1 + clip2

3.5、 交叉漸入漸出

交叉漸入漸出是一種比較柔和的音頻轉(zhuǎn)場方式，在兩個音頻切換的間歇會有一個重合，用代碼實現(xiàn)如下：

# 截取前20秒
begin = music[20*1000:40*1000]
# 截取后20秒
end = music[-20*1000:]
# 添加交叉漸入漸出 效果
clip = begin.append(end, crossfade=1500)

我們可以看到我們一共裁剪了40秒，在生成的文件我們可以看到只有38秒，因為轉(zhuǎn)場的時候有個重合的效果。當(dāng)然還有更多的操作，大家可以自己去了解。

三、視頻操作

視頻的操作可以通過 moviepy 和 opencv 進行，我們先分別安裝兩個模塊：

pip install opencv-python
pip install moviepy

3.1、視頻剪輯

相比之下 moviepy 操作視頻要更便利，我們看看使用 moviepy 如何剪輯視頻：

from moviepy.editor import *
# 剪切視屏bws.mp4中第50秒到第60秒
clip = VideoFileClip('bws.mp4').subclip(50, 60)
# 將剪切的片段保存
clip.write_videofile("clip.mp4")

3.2、提取音頻文件

在 VideoFileClip 類中，音頻文件作為其中的一個參數(shù)，我們可以直接獲?。?/p>

from moviepy.editor import *
# 讀取視頻文件
video = VideoFileClip('bws.mp4')
# 獲取其中音頻
audio = video.audio
# 保存音頻文件
audio.write_audiofile('audio.mp3')

3.3、混流

我們還可以將音頻同視頻混流，在moviepy中，提供了一個讀取音頻文件的類，我們設(shè)置視頻的音頻需要創(chuàng)建這個類的對象：

from moviepy.editor import *
# 讀取視頻
video = VideoFileClip('bws.mp4')
# 讀取音頻
audio = AudioFileClip('百年孤獨.mp3')
# 設(shè)置視頻的音頻
video = video.set_audio(audio)
# 保存新的視頻文件
video.write_videofile('bws_audio.mp4')

3.4、逐幀提取畫面

我們都知道，視頻是由一幀一幀的圖片組成的，我們也可以將畫面一幀一幀提取出來：

import cv2
# 讀取視頻
video = cv2.VideoCapture('bws.mp4')
# 逐幀讀取，當(dāng)還有畫面時ret為True，frame為當(dāng)前幀的ndarray對象
ret, frame = video.read()
i = 0
# 循環(huán)讀取
while ret:
 i += 1
 cv2.imwrite('v'+str(i) + '.jpg', frame)
 ret, frame = video.read()

上述代碼就能將視屏的每一幀以圖片的形式保存下來。

3.5、截取gif

截取gif和截取視頻沒有什么區(qū)別，不過為了減少gif的大小，我們通常會對視頻進行尺寸縮放：

from moviepy.editor import *
# 讀取視頻
video = VideoFileClip('bws.mp4')
# 裁剪視頻，并縮小一半
video = video.subclip(20, 30).resize((0.5))
# 保存gif圖片
video.write_gif('bws.gif')

在上面subclip方法中，我們可以傳入元組，例如：

video.subclip((1, 20), (2, 30))

其含義為從1分20秒截取到2分30秒。

總結(jié)

到此這篇關(guān)于Python中操作各種多媒體,視頻、音頻到圖片的代碼詳解的文章就介紹到這了,更多相關(guān)python多媒體視頻音頻圖片內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論